Navigazione – Mappa del sito

HomeNumeri50teoria e ricercaConoscenza tacita e argomentazion...

teoria e ricerca

Conoscenza tacita e argomentazione retorica nei modelli di simulazione sociale

Tacit knowledge and rhetorical argumentation in social simulation models
Sabrina Moretti
p. 121-133

Abstract

The process of defining representations of computational simulation models in the social sciences is not only logical, but also interpretative, in that the “tacit knowledge” of Polanyi (1966) and also rhetoric – the knowledge of “how we speak” and “how we write” – come into play.
Within the social sciences, the relationship between the data of a simulation, on the one hand, and the empirical facts, on the other, remains a problem with no easy solution. Many social scientists who make use of simulation maintain that its principal role is that of a tool that is capable of constructing and testing social theories. To better understand this role, therefore, we need to define what is meant by the term “scientific theory”. There are, essentially, two types of scientific theory that are constructed and tested by means of simulation models: 1) systems of propositions that interpret, in some particular way, a set of empirical facts; 2) systems of propositions depending on an interpretation by way of an analogy derived from a different scientific field.
This paper analyses, for each type of theory, what rhetorical strategies the authors of the simulation models use, and what is the “tacit knowledge” they based upon.

Torna su

Note della redazione

Testo della relazione presentata al convegno dell’AIS Senso comune e costruzione della realtà (Perugia, 14-15 dicembre 2006). Le traduzioni delle citazioni sono dell’autore.

Testo integrale

La simulazione sociale

  • 1 Per ulteriori approfondimenti riguardo a questo aspetto vedi Moretti (2002).

1La simulazione al computer è ormai estremamente diffusa in ogni campo della ricerca scientifica. Nelle scienze naturali l’esperimento virtuale accompagna spesso l’esperimento di laboratorio. Anzi, grazie al costo poco elevato e al fatto che può essere applicato in qualsiasi situazione, l’esperimento virtuale è ormai molto più frequente. Nelle scienze sociali, invece, le simulazioni stentano a inserirsi nella prassi della ricerca a causa della difficoltà di stabilire una chiara relazione tra i dati di una simulazione e i fatti empirici. La ragione è che nelle scienze sociali non si è riusciti a definire procedure standardizzate per la rilevazione dei fatti sociali, così come avviene nelle scienze naturali. Queste ultime hanno sviluppato teorie osservative ampiamente accettate dalla comunità di scienziati, che convengono su cosa sono i fatti empirici e come vanno osservati. Per stabilire la corrispondenza tra dati empirici e dati computazionali occorre spesso trasformare i dati derivati da un particolare strumento di misurazione (sensore, radar, modem…) in un formato digitale interpretabile da una macchina computazionale. Ciò comporta l’introduzione di ulteriori modelli che stabiliscano come effettuare una tale trasformazione, per cui si ha una situazione dove i dati utilizzati per convalidare un tipo di modello sono essi stessi prodotti di altri modelli, già accettati e consolidati nella pratica scientifica1.

2Nelle scienze sociali in genere non si hanno a disposizione teorie osservative e modelli di misurazione standardizzati, per cui succede che il processo di rilevazione dei fatti sociali si basa più sull’intuizione personale del ricercatore. Questo problema d’altronde è presente in qualsiasi tentativo di spiegazione e di costruzione teorica che prescinda dall’uso della simulazione.

3Occorre quindi discutere il ruolo della simulazione nella scienze sociali tenendo conto di queste condizioni che caratterizzano il contesto di applicazione.

4Molti scienziati sociali che applicano la simulazione sostengono che il suo ruolo principale è quello di strumento euristico per costruire e testare teorie sociali (Conte e Gilbert, 1995; Latané, 1996; Hegselmann e Flache, 1998; Nowak e Lewestein, 1996). Per capire meglio questo ruolo occorre quindi definire ciò che si intende per “teoria scientifica”: il termine viene usato con molti significati. Le teorie scientifiche che vengono esplorate e valutate tramite la simulazione sono essenzialmente di due tipi: sistemi di proposizioni che interpretano in un certo modo un insieme di fatti empirici e sistemi di proposizioni derivanti da un’interpretazione analogica a settori diversi da quelli che furono il loro originario riferimento empirico. I concetti che formano le proposizioni non hanno un referente empirico, stabilito attraverso la specificazione di definizioni operative dei concetti.

5Nel primo caso la teoria è un insieme di proposizioni formalizzate, «avente un’interpretazione privilegiata, magari in connessione con una, più o meno lontana, origine empirica delle riflessioni che hanno portato alla costruzione del sistema» (Marradi, 1984, 170). Le proposizioni esprimono una particolare interpretazione, fra le tante possibili, di un insieme di fatti empirici.

6Nel secondo caso si parte da una teoria che ha una sua validità empirica consolidata in un certo campo di indagine e si trasferiscono le proposizioni in un contesto empirico diverso.

7La plausibilità di queste proposizioni dipende dai criteri utilizzati per giustificare la particolare interpretazione data ai fatti empirici o la trasposizioni di concetti teorici tra settori diversi. Ma come è possibile stabilire il grado di plausibilità di un determinato modello di simulazione?

L’interpretazione dei fatti empirici

8Prendiamo in considerazione i modelli che costruiscono teorie del primo tipo. Con un modello di simulazione si definisce una rappresentazione, ovviamente semplificata, di un determinato fenomeno empirico, utilizzando i simboli messi a disposizione dai linguaggi computazionali, e ispirata da un preciso scopo. Questi tre elementi (realtà empirica, linguaggio computazionale e scopo della simulazione) concorrono a determinare la struttura del modello. Lo scopo guida la selezione delle caratteristiche del fenomeno da riprodurre e il linguaggio computazionale ne vincola le modalità di espressione. Il processo di definizione della rappresentazione non è solo logico (non usa né la logica deduttiva né quella induttiva), ma interpretativo, nel quale entra in gioco quella “conoscenza tacita” di cui parla Polanyi (1966) e anche la retorica che è la conoscenza di “come si parla” e “come si scrive”.

9Investigare sul tipo di retorica utilizzata forse potrebbe aiutare a capire meglio le scelte effettuate. Mi riferisco principalmente alla “nuova retorica” espressa da Toulmin (1958) che si richiama a quella aristotelica, definita come l’arte di scoprire i mezzi di persuasione possibili in riferimento a qualsiasi argomento e che si avvicina alla dialettica in quanto scienza del verosimile, contrapposta alla logica, scienza del necessario. La retorica aristotelica si configura innanzitutto come una retorica del ragionamento il cui strumento centrale è l’entimema o sillogismo approssimativo che si basa su una conoscenza comune. Spesso questa conoscenza è relativa a un sapere di sfondo costituito da un insieme di conoscenze specialistiche, proprie della comunità degli studiosi in un certo campo, e/o di un insieme di conoscenze di senso comune.

10Gli aspetti retorici della scienza sono stati trattati da diversi filosofi e scienziati (Pera, 1991; McClosky, 1998; Simons, 1989; Gross, 1990). Analizzare la retorica nella simulazione sociale non significa screditarne la validità scientifica, ma mostrare i criteri di ragionevolezza sui quali si basa.

  • 2 Ci sono diversi studi che hanno analizzato il ruolo dei tropi e in particolare delle metafore nella (...)

11È naturale che gli scienziati ricorrano alla retorica nelle loro comunicazioni scientifiche, in quanto vogliono persuadere un certo pubblico della validità dei loro lavori. Ci sono però alcune figure retoriche, come i tropi, che in alcuni casi sono costitutive del discorso scientifico, poiché ne forniscono i criteri di verosimiglianza. Il tropo si basa sulla traslazione di contenuto da un oggetto a un altro e quindi può essere usato per definire un’astrazione appropriata che cattura le relazioni più significative di un oggetto mentre elimina i dettagli non necessari2. Esaminare i tropi utilizzati nelle simulazioni sociali può aiutarci a capire quali sono i criteri impliciti che consentono di reputare verosimile il “mondo virtuale”.

12Una metafora visuale che ha riscosso un certo successo nella simulazione sociale (e non solo sociale) è la metafora spaziale della scacchiera, che poi opportunamente sistematizzata ha dato vita al concetto tecnico di automa cellulare. La metafora visuale può essere definita come la rappresentazione di un sistema attraverso attributi visuali che corrispondono a sistemi diversi, familiari all’utente e che si comportano in modo simile. Secondo Rorty la metafora visuale è estremamente potente e ha orientato la storia del pensiero occidentale, in quanto «sono le immagini piuttosto che le proposizioni, le metafore piuttosto che le asserzioni, a determinare la maggior parte delle nostre convinzioni» (Rorty, 1979). Bateson sostiene «che ogni percezione conscia [ha] le caratteristiche di un’immagine» (Bateson, 1999, 48) e che «molte ipotesi scientifiche … “spiegano” una regolarità percettibile in termini di qualche entità creata dall’immaginazione» (ivi, 60).

  • 3 Schelling, in realtà, esegue la simulazione manualmente senza ricorrere a un computer. La simulazio (...)

13Tra tutte le simulazioni sociali che utilizzano la metafora della scacchiera o dell’automa cellulare la più famosa è sicuramente quella di Schelling (1971)3. In questo caso la scacchiera viene utilizzata per rappresentare il concetto di segregazione razziale.

14Schelling dichiara che il modello studia le dinamiche di segregazione in termini generali che possono svilupparsi tra persone di razza, età, religione, reddito, classi sociali o genere diversi, ma tutta l’applicazione fa riferimento alla segregazione razziale tra bianchi e neri. Ci possono essere diversi fattori che causano la segregazione: qui ne viene considerato uno solo, quello “discriminatorio”, omettendo la segregazione, che deriva dall’azione organizzata che tende a escludere intenzionalmente chi è diverso, e la segregazione economicamente indotta. Per comportamento “discriminatorio” Schelling intende quel comportamento consapevole che determina le decisioni su dove andare a vivere, vicino a chi sedersi, con chi giocare o con chi parlare. Il modello è definito da uno spazio bidimensionale discreto composto da tante celle, ognuna delle quali può essere occupata da un agente. Il vicinato di un agente è rappresentato dagli agenti che si trovano in una cella adiacente. Ogni agente appartiene ad un gruppo, distinto graficamente da un colore e vuole che almeno una certa percentuale dei suoi vicini sia del suo stesso colore. Se questo non si verifica l’agente si muove verso un’altra cella libera della scacchiera. La simulazione continua fino a quando non si raggiunge una situazione di equilibrio, cioè quando tutti gli agenti sono “felici” e non si muovono più.

15Il modello assume:

  • che la popolazione sia divisa in due gruppi: ogni agente appartiene sempre e in maniera distinguibile da tutti a un unico gruppo;

  • tutti si interessano al “colore” dei loro vicini e sono in grado di “contare” gli agenti di un determinato colore che occupano una porzione del territorio;

  • tutti occupano una locazione in un dato momento e tutti sono abili a muoversi quando non sono soddisfatti dei loro vicini.

 

16Gli esperimenti sul modello consentono di verificare le conseguenze relative alla modifica di alcuni fattori quali la grandezza dei gruppi, le loro preferenze e la grandezza del vicinato. L’obiettivo è di analizzare in che modo il grado di “tolleranza” degli agenti influisce sulla segregazione.

17La segregazione implica isolamento e quindi distanza fisica. Ed è proprio la caratteristica di distanza fisica del concetto di segregazione che viene accentuata. Nello spazio bidimensionale proposto da Schelling il concetto di segregazione è strettamente legato a quello di distanza, che può essere rappresentato più efficacemente con uno spazio bidimensionale popolato di elementi, piuttosto che tramite una variabile.

18La metafora dello spazio bidimensionale può essere utilizzata efficacemente con i concetti che esprimono pattern di aggregazione (es. coalizione, gruppo). Nowak e Lewestein (1996) la applicano per analizzare la formazione di gruppi di opinione. In questo caso ogni cella della scacchiera è occupata da un agente che ha una opinione su un particolare aspetto che viene espressa tramite due colori: nero per rappresentare un atteggiamento favorevole e bianco per rappresentare un atteggiamento sfavorevole. Inoltre, ad ogni agente viene associato un valore che rappresenta la forza della propria opinione. Ad ogni iterazione ogni agente può cambiare opinione se i vicini hanno prevalentemente opinioni opposte caratterizzate da una forza abbastanza consistente. La simulazione si ferma quando il sistema raggiunge una situazione di equilibrio, cioè quando non si verifica più nessun cambiamento di opinione. I risultati delle simulazioni mostrano la formazione di cluster di opinioni, cioè di gruppi formati da celle adiacenti dello stesso colore.

19La strategia retorica si basa sia sull’argomento pragmatico sia sull’utilizzo di metafore visuali. L’argomento pragmatico pone l’attenzione sui vantaggi che si possono trarre se si mettono da parte alcune difficoltà presenti. La simulazione sociale implica delle difficoltà empiriche, che possono però essere compensate dalla capacità di analizzare gli aspetti dinamici dei fatti sociali, capacità che nessun altro metodo possiede.

20Gli autori ammettono subito che la definizione di un modello è un atto intuitivo. «L’obiettivo è provare a catturare solo l’essenza del fenomeno modellato, ignorando i dettagli. Non c’è nessun semplice algoritmo che indica come ottenere ciò. Spesso la costruzione di un tale modello è semplicemente un atto intuitivo» (ivi, 253-4). Quindi la relazione con il mondo empirico è intuitiva, ma più avanti sostengono: «le simulazioni al computer costituiscono praticamente lo strumento più potente che permette di studiare le conseguenze dinamiche delle teorie sociali» (ivi, 259). Nell’introduzione illustrano chiaramente quale sarà lo scopo del loro lavoro: dimostrare che le simulazioni sociali sono molto utili per capire, definire e analizzare i concetti di “dinamiche sociali” e “proprietà emergenti”.

21Un altro aspetto importante della simulazione, sottolineato dagli autori, è la visualizzazione dei risultati. Le proprietà emergenti possono essere rivelate attraverso la visualizzazione. Gli autori partono dal presupposto che l’interazione sociale influenzi le opinioni e che «le persone hanno maggiori probabilità di interagire con i vicini, cioè con coloro che vivono nello spazio fisico adiacente» (ivi, 261) e rimandano a una serie di riferimenti bibliografici a sostegno di questa tesi. Questa assunzione è ripetuta poche righe più avanti, utilizzando l’argomento retorico della ripetizione: «La nostra scelta di uno spazio bi-dimensionale rappresenta abbastanza bene la distribuzione delle persone su superfici piane. I risultati di studi condotti a Boca Raton, Varsavia e Shanghai hanno mostrato che la probabilità di interazioni sociali decresce come il quadrato della distanza fisica» (ibidem).

22Nel modello gli autori aggiungono anche un’altra brillante metafora visuale che rappresenta la forza dell’opinione di ciascun individuo: l’altezza della cella, trasformando l’automa cellulare in un’immagine tridimensionale. È possibile così ottenere dei risultati visuali la cui interpretazione appare alquanto intuitiva.

23L’analisi delle simulazioni consente di individuare gli aspetti critici del modello che causano i fenomeni di clustering. Gli autori proseguono complicando il modello con l’aggiunta di altri fattori. Questo modo di procedere nella definizione di simulazioni è tipico: si parte da un modello estremamente semplice, poiché una metafora visuale è tanto più efficace quanto più è semplice; una volta che gli aspetti di base sono stati percepiti si passa a complicare il modello in modo da renderlo più realistico.

 

24Riassumendo, la strategia retorica degli autori tende a:

  1. convincere il pubblico a essere indulgente verso la mancanza di accuratezza empirica, perché viene comunque ricompensata dalla capacità di investigare le dinamiche dei sistemi e di introdurre e rappresentare il concetto di proprietà emergente nell’analisi sociale, che nessun altro strumento finora ci ha consentito di fare;

  2. puntare sull’efficacia della metafora visuale che rappresenta i fatti ideali in maniera intuitiva. Le metafore vengono poi rafforzate giustificando alcune scelte sulla base di riflessioni empiriche, senza ricorrere alla logica induttiva, ma richiamando casi particolari che sembrano adattarsi bene alle dinamiche del modello.

 

25Un altro lavoro interessante da esaminare è quello di Epstein e Axtell. Nel testo Growing artificial societies (1996) presentano il modello sugarspace che intende rappresentare una popolazione di agenti che occupano un territorio contenente le risorse (sugar) necessarie per la loro sopravvivenza. Gli agenti si spostano nel territorio per cercare cibo, si riproducono, muoiono e, attraverso la trasmissione degli attributi culturali, danno vita a “tribù” geograficamente distinte. Le diverse tribù collidono e interagiscono, originando conflitti, guerre e assimilazione culturale. Le simulazioni consentono così di costruire storie sociali complesse con fasi di crescita o di drastiche riduzioni della popolazione, contraddistinte da periodi di guerre e da periodi di pace.

26Gli autori fanno un ampio utilizzo sia delle metafore, non solo visuali, sia dell’argomento del dilemma. Con l’argomento del dilemma si vuole persuadere il pubblico che in presenza di due teorie apparentemente valide, una conduce ad un vicolo cieco per cui è preferibile l’altra.

Una preoccupazione fondamentale della maggior parte degli scienziati sociali è che l’attore razionale – un individuo perfettamente informato con infinite capacità di elaborazione che massimizza una funzione di utilità esogena fissata (stabile) – assomiglia poco all’essere umano. Finora, non c’è stata nessuna metodologia naturale per ridurre queste assunzioni sull’individuo.
Inoltre, è pratica standard nelle scienze sociali sopprimere l’eterogeneità degli agenti del mondo reale quando si costruisce un modello. Ciò avviene sia esplicitamente, come nei modelli dell’agente rappresentativo in macroeconomia, sia implicitamente, come quando modelli che si basano su un alto livello di aggregazione vengono usati per rappresentare processi sociali. Anche se tali modelli offrono potenti intuizioni, fanno da filtro a tutte le conseguenze dell’eterogeneità. Pochi scienziati sociali potrebbero negare che queste conseguenze possono essere decisamente importanti, ma finora non c’è stata nessuna metodologia naturale per studiare sistematicamente popolazioni altamente eterogenee.
Infine, è giusto dire che, generalmente, le scienze sociali, specialmente la teoria dei giochi e la teoria dell’equilibrio generale, si sono preoccupate dell’equilibrio statico e hanno essenzialmente ignorato le dinamiche temporali. Ancora comunque, molti scienziati sociali sosterrebbero che non c’è stata nessuna metodologia naturale per studiare le dinamiche del non-equilibrio nei sistemi sociali (ivi, 1-2).

27È da notare l’uso dell’iterazione che consiste nel ripetere, alla fine di ogni paragrafo, la frase “non c’è stata nessuna metodologia naturale per” che ha lo scopo di rendere particolarmente efficace la tesi che le teorie sviluppate finora (soprattutto in ambito economico) hanno molte lacune. Il loro modello intende definire una «caricatura» della società, una «proto-storia» in cui le strutture sociali emergono «from the buttom up». Il modello Sugarspace può essere utilizzato come un laboratorio, anzi un «CompuTerrarium» (utilizzando anche in questo caso una metafora) «dove alteriamo le regole di comportamento, così come quelle che governano il mercato o i processi ereditari, per vedere quanto sia realmente immutabile questo tipo di distribuzione» (ivi, 7).

28Gli autori costruiscono molte metafore; oltre a quella dello spazio geometrico dove “abitano” gli agenti del modello, utilizzano termini metaforici per designare caratteristiche dell’ambiente (es. “zucchero” identificato come risorsa generalizzata che può essere associata al cibo o ad altre risorse accumulabile e trasferibile alla prole), per designare caratteristiche degli agenti (metabolismo e visione che richiamano alcune proprietà tipiche di tutte le specie animali), per designare proprietà esclusive delle società umane (cultura) e per designare fenomeni di macro-livello (migrazione e ibernazione).

29La plausibilità del modello è giustificata dalle metafore che evocano alcuni aspetti dei fatti osservabili, dall’analisi dei dati visuali e da alcuni confronti tra i risultati del modello con i dati che derivano da note ricerche empiriche, attraverso strumenti matematici di consolidata tradizione in ambito economico. Un esempio di questo confronto riguarda l’utilizzo della curva di Lorenz e del coefficiente di Gini. «Il coefficiente di Gini che risulta dalle società artificiali assomiglia a quelli delle economie sviluppate» (ivi, 37).

30Gli autori prestano particolare attenzione anche a utilizzare quelli che loro chiamano “strumenti scientifici”, come istogrammi e funzioni statistiche ampiamente impiegati nel contesto economico. Sembra che gli autori tentino di dimostrare la scientificità del loro lavoro riconducendolo a certi standard tipici della ricerca economica. Si ritrova qui un altro argomento retorico tipicamente usato in ambito scientifico, l’appello all’autorità.

31Gli esempi fin qui illustrati costituiscono esempi di modelli che aiutano la costruzione e la verifica di teorie il cui legame empirico è dato da riflessioni che si basano sull’intuizione e sulla conoscenza tacita evocate dalle metafore, sul richiamo di casi empirici particolarmente efficaci e sull’uso di strumenti matematico-statistici derivati dalla tradizione consolidata in campo scientifico, senza però stabilire in maniera più o meno esplicita come adattarli al modello.

La trasposizione analogica

32La trasposizione analogica di teorie scientifiche tra diversi contesti disciplinari è abbastanza frequente. Secondo Perelman l’analogia «rientra nella teoria dell’argomentazione e non nell’ontologia» (Perelman, 1977; tr. it. 1981, 126). Egli osserva però che esistono due casi: il primo è quando l’analogia viene superata da ulteriori ricerche, ad esempio «dopo che l’analogia stabilita fra la corrente elettrica e la corrente idraulica ebbe orientato le prime esperienze in questo ambito, essa ha potuto svilupparsi ulteriormente in modo indipendente» (ibid.); il secondo caso è quando l’analogia è insuperabile: «nei settori in cui il ricorso a metodi empirici risulta impossibile, l’analogia rimane ineliminabile, e l’argomentazione utilizzata tenderà soprattutto ad appoggiarla, a dimostrare che essa è adeguata» (ibid.). Nel caso delle scienze sociali ci troviamo di solito nella seconda situazione. Le teorie derivano la loro plausibilità solo da un’argomentazione che ha l’obiettivo di dimostrare l’adeguatezza dell’utilizzo di una certa analogia.

33Nell’ambito della simulazione sociale un’analogia proficua è stata quella dell’evoluzione biologica. Ci sono due usi analogici delle teorie evolutive nelle simulazioni sociali: uno è strategico e l’altro è costitutivo.

34La trasposizione analogica delle teoria dell’evoluzione darwiniana è stata usata in ambito informatico, insieme ai concetti elaborati dalla genetica, per trovare una soluzione a problemi computazionali, cercando la soluzione migliore a un determinato problema nello spazio di tutte le possibili soluzioni, attraverso un processo di selezione che avviene in maniera iterativa, dando vita a nuove tecniche come gli algoritmi genetici e la programmazione genetica. Si ha così un utilizzo pragmatico dell’analogia piuttosto che esplicativo, che non presenta problemi di validità.

  • 4 Con il nome TIT FOR TAT si identifica una semplice strategia in cui il giocatore collabora sempre l (...)

35Axelrod ha utilizzato un algoritmo genetico per trovare la strategia migliore nel gioco iterato del dilemma del prigioniero. A questo proposito Axelrod inizialmente organizzò due tornei in cui i giocatori erano software appositamente progettati. La strategia del TIT FOR TAT4 risultò vincente in entrambe le occasioni. Axelrod si chiese allora cosa potrebbe succedere se si continuasse a disputare tornei in futuro. Le strategie peggiori verrebbero mano a mano abbandonate e rimarrebbero solo le strategie migliori. In pratica Axelrod si chiese quanto fosse robusta la vittoria del TIT FOR TAT. Gli algoritmi genetici mettono a disposizione uno strumento per rispondere a questa questione. «Il valore di questa analogia è che permette una simulazione di generazioni future di tornei» (Axelrod, 1984, 49). L’utilizzo dell’analogia in questo modello è strategico, poiché consente di rinforzare un risultato attraverso tecniche più sofisticate, possiamo dire che risolve un problema di “calcolo”, serve solo a verificare la robustezza di un risultato. Non ha un peso rilevante nel determinare la sua plausibilità, nel senso che non è necessario dimostrare la verosimiglianza dell’analogia con i fatti empirici.

36Le analogie di tipo costitutivo, invece, sono fondamentali per determinare il grado di accettabilità di una teoria. Una tipica analogia costitutiva è quella dei modelli che usano gli algoritmi genetici per simulare l’evoluzione degli aspetti culturali. Questi modelli si basano sullo stesso procedimento utilizzato in campo genetico con il DNA. Il presupposto è che anche la cultura si sviluppi seguendo un processo evolutivo simile a quello darwiniano. Ma come rappresentare le componenti culturali? Alcuni modelli propongono di usare un sistema di tratti ereditabili, osservabili in un fenotipo individuale, cioè di caratteristiche che definiscono culturalmente un individuo (Cavalli-Sforza, 1993). In questo modo i cambiamenti culturali possono essere descritti per mezzo di un processo analogo alla sostituzione di alleli nell’evoluzione genetica. I tratti alternativi sono visti come alleli le cui frequenze differiscono come risultato dei loro relativi tassi di trasmissione nella popolazione. La scoperta della struttura del DNA ha trasformato la biologia in una scienza dell’informazione: l’informazione degli organismi viventi. Se è possibile stabilire un’analogia tra la struttura del DNA e la struttura della cultura è così possibile trasformare lo studio delle culture in una scienza dell’informazione; l’informazione degli organismi sociali.

37La plausibilità dei modelli di simulazione dipende dunque dalla plausibilità dell’analogia. A questo proposito Luigi e Francesco Cavalli Sforza sostengono che «la differenza maggiore [tra evoluzione biologica e evoluzione culturale] è che in biologia il materiale ereditario è il gene, cioè chimicamente il DNA, mentre nella cultura è l’insieme delle nostre conoscenze e convinzioni, una materia impalpabile che non sembra avere una struttura chimica, ma è piuttosto il software di un calcolatore che conosciamo poco, il cervello» (ivi, 305). Il materiale genetico che racchiude le caratteristiche individuali di un individuo è dunque di tipo informazionale e come tale può essere codificato da un calcolatore.

38Lo stesso tipo di analogia è alla base dello sviluppo del concetto di “meme”, coniato da Dawkins (1976): il meme è un’unità di informazione che è in grado di replicarsi da una mente o un supporto simbolico di memoria – per esempio un libro – a un’altra mente o supporto. In termini più specifici, un meme è un’unità auto-propagantesi di evoluzione culturale, analoga a ciò che il gene è per la genetica. Un meme può essere parte di un’idea, una lingua, una melodia, una forma, un’abilità, un valore morale o estetico; in genere qualsiasi cosa che può essere comunemente imparata e trasmessa ad altri come un’unità. Lo studio dei modelli evoluzionistici del trasferimento dell’informazione prende il nome di “memetica”. La memetica ha dato vita a numerosi modelli di simulazione che riguardano l’evoluzione culturale.

39Nonostante esistano moltissimi modelli che si basano su queste analogie, in realtà non hanno ancora riscosso un grande successo nelle scienze sociali. Questo probabilmente è dovuto al fatto che nella maggior parte dei casi manca una chiara argomentazione che consenta di stabilire una corrispondenza realistica tra le caratteristiche dell’evoluzione sociale e il modello evolutivo. A questo proposito, Chattoe (1998) ha dimostrato che, in campo economico, ci sono alcune simulazioni che sono caratterizzate da un’assenza di distinzione tra genotipo e fenotipo, dall’ambiguità degli operatori di selezione e dalla cattiva interpretazione delle procedure di ricombinazione del materiale genetico.

Conclusioni

40Da questa analisi si può dedurre che per dimostrare la plausibilità del modello computazionale bisogna ricorrere alle figure retoriche come la metafora e l’analogia. Questo ci porta alle seguenti conclusioni.

 

411) Non è possibile definire dei metodi o solo dei principi dati una volta per tutte, ma piuttosto il processo si basa su regole non scritte; ciò che non viene esplicitato viene assunto come conoscenza tacita, ossia come conoscenza di sfondo condivisa e dipendente dagli scopi della ricerca. Per giudicare un modello di simulazione occorre definirne bene gli obiettivi e poi verificare se è in grado di raggiungerli. Non si possono cercare e applicare criteri universali, poiché il giudizio dipende fortemente dal contesto di applicazione. Il modello di segregazione di Schelling, ad esempio, ha lo scopo di verificare in che modo il grado di “intolleranza” individuale possa influenzare la segregazione, ma se ci poniamo il problema di come prevedere il fenomeno della segregazione allora esso diventa inadeguato. La logica, sia induttiva che deduttiva, dunque non ci può essere di aiuto, ma occorre far uso di argomentazioni razionali, ricorrendo alla dialettica. Toulmin (1958), riprendendo il pensiero di Aristotele, sostiene che nella scienza non esistono criteri generali per stabilire la validità di una proposizione teorica, ma occorre analizzare le ragioni contestuali che l’hanno generata. Per i sofisti e poi per Aristotele la questione importante era distinguere tra un’opinione (doxa) corretta e una scorretta; e quindi fra argomentazioni ben sostenute logicamente e fattualmente, e altre che possono apparire corrette al pubblico, ma non lo sono. Lo studio del modo in cui si sostiene un’opinione ben fondata fa parte della retorica. La scelta del modello giusto viene fatta attraverso un’inferenza, la cui premessa è l’evidenza disponibile e la cui conclusione è l’ipotesi più credibile. Non ci sono criteri stabiliti a priori per scegliere un’inferenza piuttosto che un’altra, ma il processo selettivo dipende dalla natura del problema che si vuol risolvere.

 

422) Un valore costitutivo delle scienze empiriche è l’accordo delle pretese cognitive con i fatti. Anche se i fatti sono univoci, ci sono diversi modi di intenderli: possono essere semplicemente “sensata esperienza”, risultati di un esperimento scientifico, osservazioni tramite strumenti (es.: telescopio) o esperienza ideale. La metafora e l’analogia consentono di considerare i fatti sotto nuovi punti di vista che siano euristicamente fertili e significativi. La metafora visuale, ad esempio, consente di rappresentare una situazione ideal-tipica. I tipi ideali di Weber costituivano un tentativo di costruire generalizzazioni di azioni e eventi particolari, estraendo dalla multiforme realtà empirica i caratteri comuni a ognuno di essi e rispondevano a un’esigenza «di controllare la complessità dell’universo di riferimento. I tipi ideali divenivano semplificazioni di sistemi troppo complessi per essere rappresentati integralmente» (Bruschi, 1971, 114). I modelli di simulazione si basano sulla definizione di un ‘tipo ideale’ di situazione che si ipotizza essere determinante per l’evoluzione del fenomeno. Ovviamente ogni riduzione della molteplicità dei fenomeni sociali a tipi ideali costituisce solo una rappresentazione parziale, un’approssimazione della realtà sociale tra tutte quelle possibili, a seconda dei problemi da studiare. I tropi, come la metafora, offrono una modalità di definizione della situazione ideal-tipica, in quanto, attraverso un richiamo all’esperienza basato sul senso comune o comunque su una conoscenza condivisa, colgono i tratti essenziali degli eventi ed eliminano quelli non interessanti.

 

433) In questi modelli la rappresentazione non usa solo il numero, in quanto non è la quantità che contraddistingue gli eventi, ma la struttura. Come sostiene Bateson (1979; tr. it. 1984), il numero è il risultato del contare, la quantità è il risultato del misurare. «Anche quando la distinzione tra il numero e la quantità è chiara, vi è un altro concetto da riconoscere e distinguere sia dal numero che dalla quantità. Per quest’altro concetto non esiste, credo, alcuna parola nella nostra lingua, quindi dobbiamo contentarci di ricordare che esiste un sottoinsieme di strutture o configurazioni (patterns)» (ivi, 72). Attraverso gli strumenti concettuali messi a disposizione dai modelli computazionali possiamo cogliere e rappresentare, attraverso un’inferenza non logica, ma comunque razionale, tali configurazioni. La visualizzazione grafica dei risultati di un modello di configurazione, come i cluster che si formano in uno spazio bidimensionale discreto, raffigura concetti che non possono essere rappresentati da una misurazione di tipo quantitativo o da un conteggio.

 

444) La discussione dialettica consente di costruire una conoscenza condivisa. Il requisito di condivisione dei concetti, delle teorie e degli strumenti è fondamentale in tutte le scienze. Per arrivare a questa condivisione è quindi importante discutere e argomentare le ragioni che consentono di accettare un’idea piuttosto che un’altra. Per Perelman e Olbrechts-Tyteca l’argomentazione consiste nelle «tecniche discorsive atte a provocare o accrescere l’adesione delle menti alle tesi che vengono presentate al loro assenso» (Perelman e Olbrechts-Tyteca, 1958; tr. it. 1966, 6). Per Toulmin l’argomentazione è il mezzo per sostenere un’asserzione: «la pretesa implicita in un’asserzione è come la pretesa a un diritto o a un titolo… I suoi meriti dipendono dai meriti dell’argomentazione che può essere prodotta a suo sostegno» (Toulmin, 1958, tr. it. 1975, 13). L’argomentazione dialettica, che ovviamente usa la retorica, consente di effettuare un’analisi collettiva delle ragioni pro e contro ogni scelta e di selezionare le ipotesi migliori. I risultati di tali discussioni diventano patrimonio comune e andranno a costituire una base di conoscenza condivisa dal gruppo di scienziati.

Torna su

Bibliografia

Axelrod R. (1984), The evolution of strategies of cooperation, Basic Books, New York.

Bateson G. (1979), Mind and Nature, a Necessary Unity, Dutton, New York; tr. it. Mente e natura, Adelphi, Milano, 1984.

Boniolo G. (2004), Theory and models: really old hat?, in Negrotti M. (a cura di), Yearbook of the artificial. Nature, Culture & Tecnology. Vol. 2. Models in Contemporary Sciences, Peter Lang, Berna.

Brown T. L. (2003), Making Truth. Metaphor in Science, University of Illinois Press, Urbana.

Bruschi A. (1971), La teoria di modelli nelle scienze sociali, il Mulino, Bologna.

Cavalli Sforza F. e L. (1993), Chi siamo: storia della diversità umana, Mondadori, Milano.

Cellucci C. (1999), I modelli, l’analogia e la metafora, in Il ruolo del modello nella scienza e nel sapere, Accademia nazionale dei Lincei, Roma, pp. 7-25.

Chattoe E. (1998), Just how (un)realistic are evolutionary algorithms as representations of social processes?, «Journal of artificial societies and social simulation», 1, 3, http://jasss.soc.surrey.ac.uk/1/3/2.html.

Conte R. e Gilbert G. N. (a cura di) (1995), Artificial societies. The computer simulation of social life, UCL Press, Londra.

Dawkins R. (1976), The selfish gene, Oxford university Press, Oxford.

Epstein J. M. e Axtell R. (1996), Growing artificial societies, Brookings Institutions Press, MIT Press, Washington, Cambridge Mass.

Gross A. G. (1990), The rhetoric of Science, Harvard University Press, Cam-bridge Mass.

Hegselmann R. e Flache A. (1998), Understanding Complex Social Dynamics: A Plea For Cellular Automata Based Modelling, «Journal of Artificial Societies and Social Simulation» 1, 3, http://jasss.soc.surrey.ac.uk/1/3/1.html.

Latané B. (1996), Dynamic social impact, in Hegselmann R., Mueller U. e Troitzsch K. G. (a cura di), Modelling and simulation in the social sciences from the philosophy of science point of view, Kluwer Academic Publishers, Dordrecht, pp. 285-308.

Marradi A. (1984), Teoria: una tipologia dei significati, «Sociologia e ricerca sociale», V, 13, pp. 157-81.

McCloskey D. (1985), The rhetoric of economics, Madison, Wisconsin; tr. it. La retorica dell’economia. Scienza e letteratura nel discorso economico, Einaudi, Torino, 1988.

Moretti S. (2002), Computer simulation in sociology: what contribution?, «Social Science Computer review», 20, 1, pp. 43-57.

Nowak M. A. e Lewenstein M. (1996), Modeling social change with cellular automata, in Hegselmann R., Mueller U. e Troitzsch K. G. (a cura di), Modelling and simulation in the social sciences from the philosophy of science point of view, Kluwer Academic Publishers, Dordrecht, pp. 249-85.

Pera M. (1991), Scienza e retorica, Laterza, Bari.

Perelman C. e Olbrechts-Tyteca L. (1958), Traité de l’argumentation, PUF, Parigi; tr. it. Trattato dell’argomentazione, Einaudi, Torino, 1966.

Perelman C. (1977), L’Empire rhetorique, Libraire Pholosophique, Parigi; tr. it. Il dominio retorico, Einaudi, Torino, 1981.

Polanyi M. (1966), The tacit dimension, Routledge & K. Paul, Londra.

Rorty R. (1979), Philosophy and mirror of nature, Princeton University Press, Princeton.

Schelling T. C. (1971), Dynamic models of segregation, «Journal of Mathematical Sociology», 1, pp. 143-86.

Simons H. W. (1989), Rhetoric in the human sciences, Sage, Londra.

Toulmin S. E. (1958), Uses of Argument, Cambridge University Press, Cambridge; tr. it. Gli usi dell’argomentazione, Rosenberg & Sellier, Torino, 1975.

Torna su

Note

1 Per ulteriori approfondimenti riguardo a questo aspetto vedi Moretti (2002).

2 Ci sono diversi studi che hanno analizzato il ruolo dei tropi e in particolare delle metafore nella scienza tra i quali Cellucci (1999), per quel che riguarda la matematica, e Brown (2003).

3 Schelling, in realtà, esegue la simulazione manualmente senza ricorrere a un computer. La simulazione inizialmente si basa su uno spazio unidimensionale e successivamente viene applicata a uno spazio bidimensionale di dimensioni ridotte. Il modello di Schelling ha dato vita a numerosi programmi per computer che realizzano, tra l’altro, diverse varianti rispetto all’originale.

4 Con il nome TIT FOR TAT si identifica una semplice strategia in cui il giocatore collabora sempre la prima volta, dopo di che ripete la mossa che ha effettuato il suo avversario nel turno precedente.

Torna su

Per citare questo articolo

Notizia bibliografica

Sabrina Moretti, «Conoscenza tacita e argomentazione retorica nei modelli di simulazione sociale»Quaderni di Sociologia, 50 | 2009, 121-133.

Notizia bibliografica digitale

Sabrina Moretti, «Conoscenza tacita e argomentazione retorica nei modelli di simulazione sociale»Quaderni di Sociologia [Online], 50 | 2009, online dal 30 novembre 2015, consultato il 22 juin 2024. URL: http://0-journals-openedition-org.catalogue.libraries.london.ac.uk/qds/765; DOI: https://0-doi-org.catalogue.libraries.london.ac.uk/10.4000/qds.765

Torna su

Autore

Sabrina Moretti

Dipartimento di Scienze della Comunicazione. Media, Linguaggi, Spettacolo - Università «Carlo Bo», Urbino

Torna su

Diritti d'autore

CC-BY-NC-ND-4.0

Solamente il testo è utilizzabile con licenza CC BY-NC-ND 4.0. Salvo diversa indicazione, per tutti agli altri elementi (illustrazioni, allegati importati) la copia non è autorizzata ("Tutti i diritti riservati").

Torna su
Cerca su OpenEdition Search

Sarai reindirizzato su OpenEdition Search